上肢康复机器人是近年来康复机器人研究领域的热点之一。上肢康复机器人因其复杂的动力特性和多变的工作环境,使得它的运动控制设计极具挑战性。为解决这一问题,本文基于自适应评价增强学习算法,提出了几种运动控制算法以解决康复机器人的运动控制问题。主要工作概括如下:(1)针对存在模型参数不确定及外界干扰的上肢康复机器人运动控制问题,基于自适应评价算法设计了上肢康复机器人自适应模糊执行-神经网络评价监督增强学习控制方案。该方案在系统模型参数不确定的情况下,利用方案中的模糊执行器及神经网络评价器逼近康复机器人系统的模型,并结合监督控制器通过序贯决策机制给出一个适宜的控制策略,进而使上肢康复机器人完成期望的运动控制任务且对外界干扰具有很好的鲁棒性。理论分析表明,所构建的运动控制方案是模型参数独立的且不必预知外界干扰的上界。仿真结果证明了所提控制方案的可行性和有效性。(2)针对存在动态不确定性因素(如患肢病情变化、负载扰动等)的上肢康复机器人的鲁棒跟踪控制问题,基于自适应评价算法,设计了上肢康复机器人鲁棒模糊自适应评价控制方案。该方案利用模糊自适应评价控制算法去逼近康复机器人与患肢的接触动力特性并给出一个适宜控制策略,同时该方案还利用鲁棒积分误差反馈控制策略来提高闭环系统的抗干扰能力,从而使系统获得了在治疗目标附近一个较大范围的鲁棒跟踪。理论分析证明了该方案的稳定性与可行性。仿真结果表明了所设计的控制方案能够较好地适应患者患肢病情变化且对负载扰动具有很好的鲁棒性。(3)针对如何实现用最佳的辅助力协同患肢完成期望的训练问题,提出了一种上肢康复机器人自适应评价逆最优混合控制。该方案基于含有患者主动运动意图的康复机器人系统模型,运用自适应评价算法的优化与决策能力并结合PD逆最优控制技术通过寻求一个可以使末态约束目标泛函达到最小的控制策略,进而实现康复机器人的最佳辅助控制。Lyapunov稳定理论证明了该方案的稳定性,最小意义化优化分析了该方案的最优性,仿真及实际实验结果表明了所提方案的可行性与有效性。(4)针对存在参数不确定性、外界干扰及仅有位置可测的上肢康复机器人的运动控制问题,提出了一种基于动态观测器的上肢康复机器人鲁棒最优控制方案。该方案由鲁棒动态观测器、鲁棒自适应逆最优控制器构成。其中鲁棒动态观测器估计康复机器人系统的状态,鲁棒自适应逆最优控制器则基于系统的观测状态通过搜索最佳的训练控制策略以迫使康复机器人完成期望的鲁棒最优跟踪。理论分析表明了该方案的稳定性及优化性。仿真实例表明,即使在模型参数不确定性、外界干扰存在及仅有位置可测的情况下,所提方案也能够保证康复机器人用最佳的辅助力协助患者完成功能性训练控制任务。(5)针对存在模型不确定、外界干扰且带有输入非线性(如执行器饱和特性)的强不确定性上肢康复机器人系统的稳定性和运动的平滑性问题,提出了一种基于控制器切换的鲁棒最优跟踪控制方案。该方案根据系统状态或者训练任务的变化选择相应的饱和控制器输出以获得满意的控制效果。对于重复性训练任务,该方案直接从记忆库中选择控制律,从而消除了系统在重复的运动训练任务发生变化时出现的瞬态误差;对于非重复的新情况(训练任务)该方案则借助于自身的优化与决策能力,通过适当地选择切换规则,完成任意一个训练任务模式下的鲁棒最优控制。理论分析证明了该方案的稳定性与可行性。另外以本实验室构建的上肢康复机器人系统为实验平台,开展了上肢康复机器人增强学习控制方法的实验研究,实验结果表明尽管存在强不确定性及输入非线性,但所提方案不仅可以保证完成期望训练控制任务和运动的平滑性,还可以有效抑制外界干扰,且对模型参数不确定性具有很强的鲁棒性。上述工作和研究成果在上肢康复机器人的运动控制问题及自适应评价控制方法的实际应用方面做了一些有益的探索,为在自适应评价算法框架下最终实现上肢康复机器人的自主运动控制奠定了基础。